... | ... | @@ -84,12 +84,15 @@ def echantillon_gumbel(nb): |
|
|
```
|
|
|
|
|
|
On remarque que l'on trie l'échantillon dès la création, avec la fonction **sorted** avec son attribut reverse ; elle ne change pas le conteneur qui lui est passé mais renvoie un conteneur avec les valeurs triées. La méthode **sort** trie aussi des conteneurs mais l'emploi est différent ; ma_liste.sort()) trie ma_liste _en place_ (elle change le conteneur et ne retourne rien).
|
|
|
On définit ensuite les variables a, b et N car on a besoin dès le début d'une valeur initiale ; on prend a et b égaux aux paramètres de Tchégodaiev.
|
|
|
Le booléen en_periode_de_retour permettra de gérer l'affichage sur l'axe des x, en fréquence ou converti en période de retour.
|
|
|
On définit ensuite les paramètres de Tchégodaiev en une instructions grâce aux propriétés des tuples : **a_Tchego**, **b_Tchego** = 0.3 , 0.4""
|
|
|
Ensuite on définit **a** et **b** = en les initialisant avec les valeurs de Tchégodaiev, et on définit plus arbitraitrement **N** pour le premier tracé.
|
|
|
Le booléen **en_periode_de_retour** permettra de gérer l'affichage sur l'axe des x, en fréquence ou converti en période de retour.
|
|
|
|
|
|
``` python
|
|
|
a = 0.3
|
|
|
b = 0.4
|
|
|
a_Tchego, b_Tchego = 0.3 , 0.4 # affectation de plusieurs valeurs simultanées par tuples
|
|
|
# initialisation des paramètres de départ (modifiables par curseur)
|
|
|
a = a_Tchego
|
|
|
b = b_Tchego
|
|
|
N = 10
|
|
|
methode_echantillonnage = echantillon_uniforme
|
|
|
echantillon = methode_echantillonnage(N)
|
... | ... | |